ניתוח GIS/GIS ושאילתות מרחביות

רווחים:

• יכולת לתכנן ניתוחי GIS כגון חיץ, צומת, שילוב מרחבי ושכונה עם AI ולבנות אותם צעד אחר צעד
• יכולת לייצר שאילתות תכונות ומרחביות (SQL/ביטוי) משפה טבעית ולהתאים אותן לסביבת QGIS/PostGIS
• יכולת לאמת פלט ניתוח GIS עם עקביות טופולוגית, התאמת הקרנה ולוגיקת שטח/אורך

GIS (מערכת מידע גיאוגרפית; GIS באנגלית) הוא השם הכללי של מערכות המאחסנות, מבצעות שאילתות, מנתחות וממפות נתוני מיקום. רוב העבודה היומיומית של מהנדס הסקרים מתקיימת כאן: "איזה חלקות קרובות יותר מ-50 מטר לנחל הזה?", "איפה השטחים שבהם שתי השכבות הללו חופפות?", "כמה בניינים בשכונה?" הפקת תשובות לשאלות כגון שימוש בניתוח מרחבי. ביחידה זו אנו מכסים כיצד להשתמש בבינה מלאכותית כדי לעצב את הניתוחים הללו, ליצור שאילתות משפה טבעית ולהתאים אותן לסביבת QGIS/PostGIS. עקרון: AI בונה את הניתוח וכותב את השאילתה; תוקף התוצאה נשאר אצל המהנדס באמצעות הקרנה, טופולוגיה ובקרה לוגית.

תחילה מונחים בסיסיים. נתונים וקטוריים מייצגים את העולם באמצעות נקודות, קווים ומצולעים (חלקות, כבישים, בארות). נתוני רסטר מייצגים את העולם ברשת של תאים/פיקסלים (מודל גובה, תמונת לוויין). תכונה היא מידע טבלה הקשור לגיאומטריה (אזור חבילה, בעלים, אי/מספר חבילה). מאגר הוא האזור שנוצר במרחק מסוים סביב גיאומטריה. צירוף מרחבי מתאים לשתי שכבות על בסיס קשר מרחבי (כל בניין עם השכונה שלו). טופולוגיה היא כללי השכונה/חפיפה/פער בין גיאומטריות.

התפקיד של AI בניתוח GIS

AI מאיץ GIS בשלושה מקומות קונקרטיים:

1. עיצוב ניתוח. "אילו שכבות מעובדות, באיזה סדר, עם אילו כלים לענות על השאלה?" זה מגיע עם תוכנית צעד אחר צעד לשאלה. זה מפחית את עומס החשיבה, במיוחד בניתוחים מרובי-שלבים מורכבים.
2. יצירת שאילתות. מתרגם את בקשת השפה הטבעית לביטוי QGIS, SQL או פונקציה PostGIS. היא מכניסה את הבקשה "מגרשים בשטח של פחות מ-500 מ"ר ובעלי אופי חקלאי" לביטוי מסנן.
3. זרימת עבודה ויצירת קוד. זה מתרגם ניתוח איטרטיבי לסקריפט Python/PyQGIS (אנו מתעמקים בנושא זה ביחידות 10 ו-11).

אבל לבינה מלאכותית יש נקודה עיוורת קריטית: היא לא רואה את הנתונים, היא רק רואה את המתכון שלך. הוא לא יודע באיזה CRS השכבה נמצאת, השם המדויק של עמודת התכונות, האם הנתונים נקיים או לא. לכן, השאילתה שהוא מייצר נכונה מבחינה תחבירית אך עשויה להיות שגויה בנתונים שלך.

זהירות: חישובי מרחק ושטח מדויקים רק ב-CRS מטרי (מוקרן). נטילת חיץ של 50 מ' ישירות בקואורדינטות (מעלות) גיאוגרפיות נותנת תוצאות לא מדויקות לחלוטין בגלל בלבול של מעלות-מטר. שים את השכבה בהקרנה המתאימה לפני הניתוח.

שלב אחר שלב: בניית ניתוח מרחבי

שאלה לדוגמה: "מצא חלקות עם היתרי בנייה הקרובות יותר מ-100 מ' לנחל".

1. הבהרת תשומות ו-CRS. שכבת זרם (קו), שכבת חבילה (מצולע), שניהם חייבים להיות ב-CRS מטרי (למשל TUREF/TM33).
2. תכנן את השלבים. ל-AI: חוצץ של 100 מ' לנחל → צומת/בחירה עם חלקות → מסנן "מורשה" מתכונה → ספירת תוצאות. תן לזה לכתוב את הרצף ואת הפלט של כל שלב.
3. הפק את השאילתה. תרגם את ביטוי המסנן ("סטטוס" = 'מורשה') ולוגיקת הבחירה ל-QGIS/PostGIS.
4. בדיקה על מדגם קטן. הפעל את הניתוח על תת-קבוצה קטנה ולא על כל הנתונים ובדוק חזותית את התוצאה.
5. אמת את התוצאה. האם הספירה סבירה (דרגה)? האם החבילות שנבחרו באמת קרובות לנחל (בדיקה חזותית/טופולוגית)? האם השדות הגיוניים?

שלושה מיני מארזים: לפי המספרים

מקרה 1 - אסון פגוש תואר. מתמחה החיל חיץ של 100 יחידות ישירות על שכבת החבילה ב-WGS84 geo CRS; התוצאה הניבה אזורים אבסורדיים ברדיוס של כ-11 ק"מ (מעלה אחת ~111 ק"מ). בדיקת הדרגה ("שטח המאגר לא יכול להיות פי אלפי מגודל החבילה") הראתה את השגיאה מיד. כאשר השכבה יובאה ל-CRS מטרי, המאגר היה נכון ל-100 מ'.

מקרה 2 - שם עמודה שגוי. AI ייצר את הביטוי "qualified" = "חקלאות" עבור "חבילות הכשירות לחקלאות"; ואילו השם האמיתי של העמודה היה PLOT_VASF והערך היה FIELD. השאילתה החזירה 0 תוצאות ללא שגיאות. כאשר המהנדס פתח את טבלת התכונות ונתן את שם העמודה והערכים בפועל ל-AI, השאילתה השתפרה. שיעור: AI יכול להמציא שמות עמודות; תן את הסכמטי האמיתי.

מקרה 3 - בעיית טופולוגיה. בשתי שכבות הגבול המחוזיות הסמוכות היו פערים קטנים (שברים) וחפיפות. ניתוח "סך השטח" המופעל על ידי בינה מלאכותית חרג מהסכום האמיתי בכ-2% בגלל שגיאות אלו. לאחר בקרה ותיקון טופולוגיה, האזורים הפכו עקביים. לקח: תוצאת הניתוח נקייה רק ​​כמו גיאומטריית הקלט.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

כתוב שאילתה שמוצאת חבילות ליד הנחל.

הנחיה עוצמתית:

משימה: הפקת מבנה וביטוי ניתוח מרחבי עבור QGIS. הקשר:- stream_layer: line, CRS EPSG:5256 (TUREF/TM33)- parcel_layer: polygon, CRS EPSG:5256, עמודות תכונה: ADA_NO, Plot_NO, STATUS (ערכים: 'מורשה', 'ללא רישיון'), AREA_M2Question, AREA_M20, סגור את ה-ST= parcel0. 'מורשה', תן את מספרם ואת השטח הכולל שלהם. בקשות: 1) הזמינו את השלבים (מאגר -> בחירה מרחבית -> מסנן מאפיינים). 2) כתבו באיזה כלי ישמש בכל שלב. 3) הזכר לי את דרישת ה-CRS המטרית למרחק/שטח. 4) אמת את שלב התוצאה (דירוג + שליטה חזותית). לְהוֹסִיף.

ההנחיה החזקה נותנת את שמות העמודות בפועל, CRS, ערכת ערכים ושלב האימות; הפלט מתאים לנתונים שלך.

ארבע תבניות הניתנות להעתקה

1) יצירת תוכנית ניתוח:

כתוב זרימת עבודה GIS שלב אחר שלב כדי לענות על השאלה המרחבית הבאה: ציין את שכבת הקלט, הכלי שבו נעשה שימוש ושכבת הפלט בכל שלב. בדוק את השלבים שדורשים CRS מטרי. שאלה: [שאלה]. שכבות: [רשימה]

2) ביטוי QGIS משפה טבעית:

המר את המסנן הבא לביטוי תכונה QGIS. השתמש רק בשמות העמודות והערכים הנתונים; התאמת עמודים. שאל אם יש אי ודאות.עמודות/ערכים: [סכמה]. בקשה: [פילטר]

3) שאילתת PostGIS:

כתוב PostGIS SQL עבור הניתוח המרחבי הבא (פונקציות ST_). הנח SRID [srid] של גיאומטריות; המרחק חייב להיות מטרי. הסבר את השאילתה והוסף שאילתת hash לאימות. ניתוח: [הגדרה]

4) בדיקת סבירות התוצאה:

בדוק את תוצאת ניתוח ה-GIS הבאה עבור סבירות: דירוג ספירת התוצאות, לוגיקה של שדה/אורך, רשומות אפס/כפולות, תאימות ל-CRS. רשום את הנקודות החשודות וכתוב את הסיבה האפשרית. סיכום תוצאות: [סיכום]

השוואת כלי ניתוח GIS

רכב

מה עושה

שימוש אופייני

תשומת לב

מאגר

אזור מרחק מסביב

להקת שמירה, קרבה

נדרש CRS מטרי

מצטלבים

מפחית את השטח המשותף

ניתוח קונפליקטים

הטופולוגיה חייבת להיות נקייה

הצטרפות מרחבית

התאמות לפי מיקום

בניית יחסי שכונה

סוג מערכת יחסים (תוך/מצטלבת)

להמיס (לשלב)

מתיך את אותן תכונות

פישוט גבולות

בחירת תכונות

קליפ

חותכים לפי מגבלה

הגבלת מרחב עבודה

האם גיאומטריית הגבול נכונה?

טעויות נפוצות

• חישוב מרחק/שטח ב-Geo CRS. לא עוברים להקרנה מטרית לפני ניתוח.
• שימוש בשמות עמודות המורכבות בבינה מלאכותית. לא נותן את התוכנית האמיתית; שקט 0 תוצאות.
• ביצוע ניתוח עם נתונים עם טופולוגיה שבורה. פערים/חפיפות מביאים לשגיאות רווח וספירה.
• מבלבל את סוג היחסים המרחביים. "בפנים" ו"מצטלבים" נותנים תוצאות שונות.
• לא להכפיף את התוצאה לבקרת דירוג. לא לשים לב לשדות/מספרים אבסורדיים.
• ריצה עיוורת בכל הנתונים. יישום על נתונים גדולים ללא בדיקה על מדגם קטן.

לסיכום

בינה מלאכותית בניתוח GIS; זהו עוזר רב עוצמה לתכנון זרימת עבודה, תרגום בקשת שפה טבעית לשאילתה ויצירת קוד. אבל AI לא רואה את הנתונים; עליך לספק את ה-CRS, שמות העמודות בפועל ואיכות הטופולוגיה. הכלל הקריטי ביותר הוא שחישובי מרחק ושטח מדויקים רק ב-CRS מטרי. בדוק כל תוצאה עבור סדר, עקביות טופולוגית והיגיון; אל תחיל אותו על נתונים גדולים מבלי לבדוק אותו על מדגם קטן.

משימת יישום

בחר שאלה מרחבית (למשל "בניינים במרחק של פחות מ-25 מ' מכביש"). הקלד את השכבות, ה-CRS שלהן ושמות עמודות התכונות בפועל. בקש מ-AI ליצור תוכנית ניתוח וביטוי QGIS צעד אחר צעד; לאחר מכן בדוק את הפלט עם שלוש בדיקות: (1) האם ה-CRS המטרי בשימוש, (2) האם שמות העמודות תואמים את הסכימה בפועל, (3) האם מספר התוצאות סביר לפי הסדר.

רשימת בדיקה

• [ ] ייבאתי את השכבות ל-CRS מטרי (עבור מרחק/שטח).
• [ ] נתתי את השמות והערכים של עמודות התכונה בפועל ל-AI.
• [ ] תכננו את שלבי הניתוח והכלים.
• [ ] בחרתי את סוג הקשר המרחבי (בתוך/מצטלב) בצורה נכונה.
• [ ] בדקתי את הטופולוגיה של גיאומטריית הקלט.
• [ ] בדקתי תחילה את הניתוח על מדגם קטן.
• [ ] בדקתי את התוצאה עבור דרגה והיגיון.
• [ ] שמרתי את ההערה הסופית לאישור המהנדס.